Gender differences in dietary intakes: what is the contribution of motivational variables?
Notice bibliographique
Résumé
BACKGROUND: Differences between men and women with respect to dietary intakes and eating behaviours have been reported and could be explained by gender differences in motivational variables associated with the regulation of food intake. The main objectives of the present study were to identify gender differences in dietary intakes, eating behaviours and motivational variables and to determine how motivational variables were associated with dietary intakes and eating behaviours in men and women. METHODS: Sixty-four men and 59 premenopausal women were included in the present study and presented cardiovascular risk factors. The Regulation of Eating Behaviours scale was completed to assess motivational variables. A validated food frequency questionnaire was administered to evaluate dietary intakes and subjects completed the Three-Factor Eating questionnaire to assess eating behaviours. RESULTS: Men had higher energy intake, energy density and percentage of energy from lipids and lower percentage of energy from carbohydrates than women (P ≤ 0.04). Men also had a lower emotional susceptibility to disinhibition than women (P = 0.0001). Women reported a higher score for eating-related self-determined motivation [i.e., eating-related self-determination index (SDI)] than men (P = 0.002). The most notable gender difference in the pattern of associations was that eating-related SDI was negatively associated with energy density (r = -0.30; P = 0.02), only in women. CONCLUSIONS: Women had a better dietary profile and higher eating-related SDI than men. However, gender differences in dietary variables might be explained by a potential gender-specific pattern of association of eating-related SDI with dietary intakes and eating behaviours.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».